
北京时间7月25日惠普推出了全新的工作站科技——DL380z云工作站解决方案,配合这一解决方案一起发布的还有两款应用来帮助用户提升远程内容协助能力,让用户体验安全高效的虚拟化应用。
全新的HP DL380z云工作站支持NVIDIA GRID K2、NVIDIA Quadro K6000、K5000、K4000显卡,通过NVIDIA GRID GPU虚拟化,可支持多个用户同时接入。
众所周知,一对一云工作站的性能肯定是最强的,但费用也相对较高,所以行业用户需根据不同的使用需求要进行不同方案的选择。
一对一远程工作站的性能之所以强悍,便是因为用户占用了机器的所有资源, 终端用户通过HP RGS、Microsoft RDP和Citrix HDX 3D Pro等远程协议连接到工作站,当然这中间还有一个直通的方式,所以唯一需要考虑的便只有中间传输的部分。然而惠普在这方面有着远程图形工具软件RGS来解决这一问题,所以这种一对一的部分与用户使用单机性能没有太大的差异,而且还把数据移到后台解决了企业顾虑的安全性的问题。
所以若是企业更多为了解决安全问题,那么一对一远程工作站的模式十分适合。例如汽车厂商他们都有自身安全的考虑,并且有大量的设计使用到CATIA,而它对图形工作站的要求也是最高的,所以这种情况下一对一的方式就比较适合了,不仅解决了安全问题,同时又不影响性能。
在效率上看上去虽然非常好,但要看用户专业应用对显卡部分的需求程度,如果只是简单的三维应用,那么对显卡的要求就并不算太高了,所以若是还选择一对一的方式只是无谓的提高企业的支出成本。这时选择全虚拟化性价比通常会更好,由于CPU内存可以共享,一个显卡可以8个人去用,通常来说性价比会更高。
例如教育行业,学校的学生对于显卡的要求并不会太高,并且使用的峰值时间不会聚集在同一时间,大多情况下是这两个学生在做渲染或者是三维的部分,其他的学生还在做初步的设计,这个时候就可以利用全虚拟化。
但全虚拟化若是用到一个专业图形制作的企业当中时却并不会太理想,在某一个时间段大家都在做三维的东西,这个时候资源能够协调的余地不高,系统资源的冗余度不够。但相对数量越多,资源调配的可能性越高,对单机处理要求的性能不高的这类用户更加愿意去尝试全虚拟化的方案。当用户使用需求并不是很高时,全虚拟化的确能够帮助企业节省资源。
随着现今软硬件技术的成熟,行业用户可以针对不同的情况进行方案的选择,避免盲目的选择带来的效益与效率的浪费。全新的惠普工作站科技现今在工程学,CAD(计算机辅助设计),ACE(建筑,工程,建造),数字媒体,石油与天然气勘探,教育,政府等领域都已经有了广泛的应用。惠普通过将云计算和虚拟化理念纵向拓展到IT系统的各个层级,充分释放桌面计算潜能,能够帮助金融机构实现灵活、安全、易管理的桌面业务。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。